模型性能评估

PromptsLabs

基准对比

免费开源的LLM提示词测试与评估平台

HoneyHive

应用追踪

AI应用可观测性与评估平台

AGI

人机协同比赛

AGI-Eval大模型综合评测平台

OpenCompass司南

基准数据集覆盖

开源大语言模型评测平台

Open LLM Leaderboard

参数规模分析

开源大语言模型性能排行榜